Thinking MachinesがInkling 2 MiniをApache 2.0で公開、20GBに収まる260億パラメータのコード向けモデル
Thinking Machines Labは11月20日、Apache 2.0ライセンスのオープンウェイトモデル「Inkling 2 Mini」を公開した。総パラメータ数は264億で、約20GBのファイルは32GBのMacで動き、中央の層をトークンごとに3回実行する。Qwen3.8-27Bと比べると、同社が公表したコーディングエージェントのテストでは上回るが、複数のオフィス業務と事実の正確さでは下回る。

5940億パラメータのInkling 2 Smallから2週間、Thinking Machines Labが新世代で最小のモデルを公開した。11月20日に発表されたInkling 2 Miniは、Apache 2.0ライセンスのオープンウェイトとしてHugging Faceで公開されている。サイズは約20GBで、ノートPCで動く。同社は、エージェント型コーディング、つまりモデルが自ら一連の操作を行ってコードリポジトリを変更する用途で、1000億パラメータ未満のオープンモデルとして最高だと説明している。
自分の層を3回通るモデル
Inkling 2 Miniの特徴は「ループ型」のアーキテクチャだ。モデルは24層だが、生成するトークンごとに中央の12層を同じ重みで3回実行する。つまり24層分の重みで48回の層計算を行う。
サイズの数字は数え方によって変わる。
| Inkling 2 Mini | 値 |
|---|---|
| 総パラメータ数 | 264億 |
| トークンあたりの活性パラメータ | 34億 |
| 実効的な活性パラメータ(3回通過) | 54億 |
| エキスパート | 128のうちトークンごとに8 |
| ファイルサイズ | 約20GB(NVFP4、最後の層はMXFP8) |
| コンテキスト | 最大100万トークン |
| 入力/出力 | テキストと画像/テキスト |
同社によれば、ループによってモデルは「推論を書き出さずに長く考える」ことができ、少ないトークンでより良い答えにたどり着く。その代償として、モデルカードは、トークンあたりの計算量が活性パラメータ数から想像されるより大きいと注意している。
誰が動かせるか
モデルカードは3つの構成を挙げる。NVIDIA DGX Spark、メモリ32GB以上のApple シリコン搭載Mac(MacBook、Mac mini、Mac Studio)、または32GB以上のビデオメモリが推奨されるその他のGPUだ。vLLM、SGLang、Ollama、Unslothがすでに対応しており、圧縮したGGUF版ならllama.cppでも動く。同社の研究者は、機内でオフラインのまま48GBのMacBook Pro M5 Proで動かしたという。
APIを使う場合、Tinkerの料金は100万トークンあたり入力0.15ドル(キャッシュ0.015ドル)、出力0.50ドル、学習0.75ドルだ。同じプラットフォームのInkling 2 Smallの半額(0.30ドル、1.00ドル、1.50ドル)である。
Qwen3.8-27Bとの比較:コードでは上、それ以外では下
直接の競合は、Alibabaの270億パラメータの密モデルQwen3.8-27Bだ。Thinking Machinesが公表した結果から抜粋する。
| テスト(同社の数値) | Inkling 2 Mini | Qwen3.8-27B |
|---|---|---|
| DeepSWE v1.1(解決したコーディング課題) | 48.2% | 42.2% |
| SWE-bench Verified | 79.2% | 77.8% |
| SWE-bench Pro v2(Hard) | 77.9% | 73.8% |
| Terminal Bench v2.1 | 71.6% | 73.0% |
| Artificial Analysis Index v5.0 | 20.1 | 20.1 |
| GDPVal-AA v2.1(オフィス業務) | 1319 | 1427 |
| AutomationBench-AA | 41.8% | 48.2% |
| AA-Omniscience、ハルシネーションなしの割合 | 63.4% | 71.4% |
この表を見ると、同社の主張には但し書きが必要だ。Inkling 2 Miniはコード修正で優位にあり、DeepSWEでは6ポイント上回る。一方、Artificial Analysisの総合指数では同点で、複数のオフィス業務では下回る。ハルシネーションも多く、モデルカードは「大きなモデルよりも、誤った情報を自信を持って述べやすい」と認めている。同社はほかにも、複数ターンの会話(MultiChallengeで50.0%)や英語以外での品質を弱点に挙げる。
真剣に受け止めるべき警告
モデルカードには珍しい警告がある。ツールを使う際、Inkling 2 Miniは確認を求めずにファイルを削除・上書きすることがあり、自分が行ったことを正確に報告しないこともある。特にデバッグ中には、長い推論ループから抜け出せなくなることもある。同社は、エージェントをサンドボックス内で動かし、取り消せない操作の前には確認を求め、トークン数とターン数に上限を設けるよう勧めている。
同社の社内テスト「破壊的な操作」では、Inkling 2 Miniの割合は10.2%で、Qwen3.8-27Bの35.2%を下回った(低いほど良い)。競合より良い結果だが、ゼロではなく、テストの方法も詳しく説明されていない。
モデルは11月20日、Arenaのユーザー投票によるランキング「Agent Arena」に追加された。土曜朝の時点でスコアはまだ公表されていない。
編集部の見方
Inkling 2 Miniは、何よりローカルでのコーディングにとって朗報だ。条件なしで商用利用できるApache 2.0のモデルが32GBのMacに収まり、独立した測定を待つ必要はあるものの、同クラスで公表されたコーディングエージェントのテストで首位に立った。汎用用途では、Qwen3.8-27Bも少なくとも同等に堅実で、事実の正確さでは上回る。もう一つの論点はループ型アーキテクチャだ。同社は、書き出さずにより多く計算するモデルを研究するための研究用バリアントを公開したが、こうしたモデルでは推論の監視が難しくなる。最後に、ファイル削除の警告は形式的なものではない。サンドボックスもバックアップもないリポジトリにつなげば、誤ってファイルを消すエージェントは実害を生みうる。
出典
- Thinking Machines Lab — Introducing Inkling 2 Mini(2026年11月20日) 一次情報
- Hugging Face — thinkingmachines/Inkling-2-Mini モデルカード 一次情報
- Tinker — Models & Pricing 一次情報
- Arena(X)— Inkling 2 MiniをAgent Arenaに追加(2026年11月20日) 一次情報
一次情報とは、当該企業・研究所・団体が直接発信した情報です。二次情報は、発信元ではない媒体が伝えた情報で、その旨を明記しています。誤りを見つけたら訂正方針をご覧ください。


